Bài toán ngược vận động robot dạng người trong phân tích ổn định, tạo dáng và điều khiển ứng dụng mô hình mạng rơ rôn MIMO NARX thích nghi

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT
THÀNH PHỐ HỒ CHÍ MINH

TRẦN THIỆN HUÂN

BÀI TOÁN NGƯỢC VẬN ĐỘNG ROBOT DẠNG NGƯỜI
TRONG PHÂN TÍCH ỔN ĐỊNH, TẠO DÁNG ĐI VÀ ĐIỀU
KHIỂN ỨNG DỤNG MÔ HÌNH MẠNG NƠ-RÔN MIMO
NARX THÍCH NGHI

LUẬN ÁN TIẾN SĨ

NGÀNH: CƠ KỸ THUẬT

Tp. Hồ Chí Minh, tháng 9/2019


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT
THÀNH PHỐ HỒ CHÍ MINH

TRẦN THIỆN HUÂN

BÀI TOÁN NGƯỢC VẬN ĐỘNG ROBOT DẠNG
NGƯỜI TRONG PHÂN TÍCH ỔN ĐỊNH, TẠO
DÁNG ĐI VÀ ĐIỀU KHIỂN ỨNG DỤNG MÔ HÌNH
MẠNG NƠ-RÔN MIMO NARX THÍCH NGHI
NGÀNH: CƠ KỸ THUẬT - 9520101

Hướng dẫn khoa học:

1. PSG. TS. HỒ PHẠM HUY ÁNH
2. TS. PHAN ĐỨC HUYNH

Phản biện 1:
Phản biện 2:
Phản biện 3:



LÝ LỊCH CÁ NHÂN
I. THÔNG TIN CÁ NHÂN
- Họ và tên: Trần Thiện Huân
- Ngày sinh: 04/02/1980 Nơi sinh: Bình Thuận

Nam/Nữ: Nam

- Địa chỉ: 105/15/05 TL37, Phường Thạnh Lộc, Quận 12, Tp. HCM.
- Điện thoại: 0906535683
- Email:
- Cơ quan-nơi làm việc: Trường Đại học Sư phạm Kỹ thuật Tp. HCM.
- Địa chỉ cơ quan: 01 Võ Văn Ngân, Phường Linh Chiểu, Quận Thủ Đức, Tp. HCM.

- Từ 1997-2001: Sinh viên ngành Vật lý điện tử, Trường Đại học Khoa
học Tự nhiên Tp. HCM.
- Từ 2003-2006: Học viên cao học ngành Vật lý điện tử (hướng kỹ thuật),
Trường Đại học Khoa học Tự nhiên Tp. HCM.
- Từ 2012-nay: Nghiên cứu sinh ngành Cơ kỹ thuật, Trường Đại học Sư
phạm Kỹ thuật Tp. HCM.

- Từ 2001-2002: Giáo viên Trường kỹ thuật Cao Thắng, Tp. HCM.

- Từ 2003-nay: Giảng viên Trường Đại học Sư phạm Kỹ thuật Tp. HCM.
Tp. Hồ Chí Minh, ngày 20 tháng 09 năm 2019

Trần Thiện Huân

i


LỜI CAM ĐOAN
Tôi cam đoan đây là công trình nghiên cứu của tôi.
Các số liệu, kết quả nêu trong Luận án là trung thực và chưa
từng được ai công bố trong bất kỳ công trình nào khác.
Tp. Hồ Chí Minh, ngày 20 tháng 09 năm 2019

Trần Thiện Huân

ii


LỜI CẢM ƠN
Trước tiên, tôi xin gửi lời cảm ơn sâu sắc đến tập thể hướng dẫn:
Thầy PGS.TS. Hồ Phạm Huy Ánh và Thầy TS. Phan Đức Huynh, nhờ
những gợi ý nghiên cứu hết sức quý báu, những chỉ dẫn cụ thể và
những ý kiến phản biện của các Thầy đã giúp tôi hoàn thành luận án
này. Một lần nữa xin được bày tỏ lòng cảm ơn sâu sắc đến các Thầy.
Tôi xin gửi lời cảm ơn đến tất cả Thầy Cô Khoa Xây dựng – Cơ học ứng dụng,
Đại học Sư phạm Kỹ thuật Tp.HCM đã truyền đạt các kiến thức nền tảng quý báu
từ các học phần tiến sĩ, nhờ những kiến thức nền tảng này mà tôi mới có thể thực
hiện được công việc nghiên cứu. Xin gửi lời cảm ơn đến các Thầy trong các Hội
đồng đánh giá các chuyên đề Tiến sĩ, những ý kiến phản biện và góp ý thật sự đã

giúp tôi rất nhiều trong việc chỉnh sửa và hoàn chỉnh luận án của mình.

Xin gửi lời cảm ơn đến lãnh đạo Trường Đại học Sư phạm Kỹ thuật
Tp.HCM, Khoa Khoa học Ứng dụng vì đã có những chính sách hỗ trợ rất tốt
cho nghiên cứu sinh học tập và làm việc. Xin cảm ơn Thầy TS. Võ Thanh Tân
và các bạn bè đồng nghiệp đã động viên, giúp đỡ và chia sẻ kinh nghiệm để
tôi có thể thực hiện công việc nghiên cứu một cách thuận lợi nhất. Xin trân
trọng cảm ơn Phòng Thí Nghiệm Trọng Điểm Quốc Gia Điều Khiển Số và Kỹ
Thuật Hệ Thống (DCSELAB) đã tài trợ kinh phí cho công việc nghiên cứu của
tôi thông qua các đề tài nghiên cứu, cơ sở vật chất thực hiện thí nghiệm.

Cuối cùng xin chân thành cảm ơn gia đình và người thân luôn chia
sẻ mọi khó khăn và là chỗ dựa vững chắc về vật chất và tinh thần trong
suốt thời gian thực hiện và hoàn thành luận án.

iii


TÓM TẮT
Hoạch định, tối ưu hóa và tạo dáng đi cho robot dạng người là nhằm làm cho
robot đi được một cách tự nhiên và ổn định như con người. Hiện nay vẫn là bài toán
khó do kỹ thuật hiện tại chưa tiếp cận được các đối tượng sinh học vô cùng phức tạp
về kết cấu và tinh vi trong hoạt động. Tuy nhiên, nếu vấn đề này được xem xét từ quan
điểm toán học thì hoạch định, tối ưu hóa và tạo dáng đi của robot dạng người trở
thành vấn đề tối ưu có ràng buộc và phù hợp với các kỹ thuật tính toán tối ưu.

Trong luận án này, tác giả thực hiện nghiên cứu và phát triển bộ tạo dáng
đi (Walking Pattern Generator - WPG) phụ thuộc 4 thông số của Dip (chiều dài
bước - S, độ nhấc chân - H, độ khuỵu gối - h và độ lắc hông - n) kết hợp các
phương pháp tối ưu hóa ngẫu nhiên (meta-heuristic optimization approaches)

và mô hình mạng nơ-rôn tiến hóa thích nghi (Adaptive Evolutionary Neural
Model - AENM) để robot hai chân bước đi ổn định và tự nhiên như con người.

Các đóng góp mới của luận án được tóm tắt như sau:
Một là, Dip đã đề xuất bộ tạo dáng (WPG) phụ thuộc 4 thông số (S,
H, h, n) và thực hiện tối ưu 4 thông số của bộ tạo dáng (WPG) để
robot hai chân (kích thước nhỏ) bước đi ổn định với vận tốc nhanh
nhất có thể sử dụng thuật toán di truyền (Genetic Algorithm - GA).
Tuy nhiên, để bắt chướt dáng đi của con người thì robot hai chân
phải kiểm soát được độ nhấc chân. Vì vậy, tác giả tiếp tục thực
hiện tối ưu 4 thông số dáng đi (S, H, h, n) của bộ tạo dáng (WPG)
để robot hai chân bước đi ổn định với độ nhấc chân mong muốn
sử dụng các phương pháp tối ưu hóa ngẫu nhiên. Kết quả mô
phỏng và thực nghiệm trên mô hình robot hai chân kích thước nhỏ
HUBOT-5 chứng minh đề xuất của luận án là khả thi.
Hai là, trong quá trình robot hai chân bước đi thì 4 thông số của bộ
tạo dáng (WPG) của Dip là không đổi. Điều này làm cho robot hai chân
khó thực hiện bước đi ổn định và tự nhiên với 1 quỹ đạo ZMP (Zero
Momen Point) mong muốn. Để vượt qua khó khăn này, tác giả thực

iv


hiện nhận dạng 4 thông số của bộ tạo dáng (WPG) này sử
dụng mô hình mạng nơ-rôn tiến hóa thích nghi (AENM) được
tối ưu bởi thuật toán tiến hóa vi sai cải tiến (MDE). Kết quả
mô phỏng trên mô hình robot hai chân kích thước nhỏ
HUBOT-5 chứng minh đề xuất của luận án là khả thi.
Ba là, bộ tạo dáng (WPG) phụ thuộc 4 thông số (S, H, h, n) của Dip
được đề xuất chỉ áp dụng cho robot hai chân trong giai đoạn bước đi

và thiếu giai đoạn chuẩn bị và giai đoạn kết thúc. Để bổ sung, tác giả
tiếp tục hoàn thiện bộ tạo dáng đi (WPG) của Dip với đầy đủ 3 giai
đoạn như mong muốn với tên gọi là bộ tạo mẫu đi bộ tự nhiên (NWPG). Kết quả mô phỏng trên mô hình robot hai chân kích thước nhỏ
HUBOT-4 chứng minh đề xuất của luận án là khả thi.

v


ABSTRACT
Humanoid robot motion planning, optimization and gait generation is to make
the robot walk naturally and stably as humans. Up to now it has been a difficult
problem since the current technology has not yet reached the biological objects with
highly

complicated

structure

and

sophisticated

operation.

However,

under

mathematical viewpoint the task of humanoid robot motion planning, optimization and
gait generation is investigated as an optimization problem with respect to various

trade-off constraints, hence it refers to evolutionary computation techniques.

In this thesis, the author performs the research and development of Walking
Pattern Generator (WPG) depending on 4 parameters of Dip (S- step length, h- leg
displacement, H- height of swing ankle, n- hip displacement) combining metaheuristic optimization approaches and Adaptive Evolutionary Neural Model
(AENM) for biped robot to move smoothly and naturally as humans.

The new contributions of the thesis are summarized as follows:
Firstly, Dip proposed WPG depending on 4 parameters (S, H, h, n) and
made optimal 4 parameters of WPG for the small-sized biped robot
stable movement with the fastest possible speed using genetic
algorithms (Genetic Algorithm-GA). However, in order to catch people's
gaits, biped robots have to control their foot-lifting. Therefore, the
author continues to optimize the four gait parameters (S, H, h, n) of the
WPG that permits the biped robot able to stably and naturally walking
with pre-set foot-lifting magnitude using meta-heuristic optimization
approaches. Simulation and experimental results on small-sized biped
robot model (HUBOT-5) prove that the thesis's proposal is feasible.
Secondly, while the human robot walks, the 4 parameters of the WPG of
Dip are unchanged. This makes biped robot difficult to perform a stable
and natural walk with a desired ZMP trajectory (Zero Momen Point). To
overcome this challenge, the author identifies and controls these 4

vi


parameters of the WPG using adaptive evolutionary neural
model (AENM) optimized Modified Differential Evolution (MDE).
Simulation results on the small-sized biped robot models
(HUBOT-5) prove the thesis's proposal is feasible.

Thirdly, the WPG depending on the 4 parameters (S, H, h, n) of the Dip
proposed is only applicable to biped robots in the stepping stage and
lacks of preparation and end stages. In order to overcome these
problems, the author continues to complete WPG of Dip with full 3
stages as desired with the name of a Natural Walking Pattern Generator
(N-WPG). Simulation results on the small-sized biped robot models
(HUBOT-4) proves that the thesis's proposal is feasible.

vii


MỤC LỤC
Trang tựa

TRANG

Quyết định giao đề tài
Lý lịch cá nhân

i

Lời cam đoan

ii

Lời cảm ơn

iii

Tóm tắt

iv

Mục lục

viii

Danh sách các chữ viết tắt

xi

Danh sách các hình

xii

Danh sách các bảng

xv

Danh mục các ký hiệu

xvi

Mở đầu

1

Động lực nghiên cứu

1

Mục tiêu nghiên cứu

2

Phương pháp nghiên cứu

3

Kết quả nghiên cứu

4

Bố cục của luận án

5

Chương 1. NGHIÊN CỨU TỔNG QUAN

8

1.1 Robot dạng người

8

1.2 Tổng quan về xây dựng quỹ đạo và điều khiển robot dạng người

viii

11

1.3 Kết luận
Chương 2. TỐI ƯU HÓA DÁNG ĐI CHO ROBOT HAI CHÂN KÍCH

19

THƯỚC NHỎ BƯỚC ĐI ỔN ĐỊNH VỚI ĐỘ NHẤC CHÂN MONG MUỐN
SỬ DỤNG THUẬT TOÁN TIẾN HÓA VI SAI CẢI TIẾN (MDE)

21

2.1 Giới thiệu

21

2.2 Mô hình robot hai chân

22

2.3 Quy hoạch dáng đi cho robot hai chân HUBOT-5

25

2.4 Tối ưu tham số dáng đi sử dụng thuật toán tiến hóa vi sai MDE

32

2.4.1 Giải thuật MDE

32

2.4.2 Xây dựng hàm mục tiêu

34

2.4.3 Tính toán quỹ đạo điểm ZMP

35

2.5 Kết quả mô phỏng và thực nghiệm

39

2.6 Kết luận

49

Chương 3. TẠO DÁNG ĐI THÍCH NGHI CHO ROBOT HAI CHÂN BƯỚC
ĐI ỔN ĐỊNH SỬ DỤNG MÔ HÌNH MẠNG NƠ-RÔN TIẾN HÓA THÍCH NGHI
(AENM) ĐƯỢC TỐI ƯU BỞI THUẬT TOÁN TIẾN HÓA VI SAI CẢI
TIẾN (MDE)
3.1 Giới thiệu

50
50

3.2 Cấu hình robot hai chân kích thước nhỏ

52

3.3 Nhận dạng và tối ưu mô hình mạng nơ-rôn tiến hóa thích nghi (AENM)

53

3.3.1 Đề xuất mô hình mạng nơ-rôn tiến hóa thích nghi (AENM)

54

3.3.2 Bộ tạo mẫu dáng đi (WPG)

56

3.3.3 Hoạt động của mô hình đề xuất

60

ix


3.4 Kết quả nhận dạng
3.5 Kết luận

60
65

Chương 4. HOẠCH ĐỊNH DÁNG ĐI TỰ NHIÊN CHO ROBOT HAI CHÂN67
4.1 Giới thiệu
4.2 Bộ tạo mẫu đi bộ tự nhiên (N-WPG) cho robot hai chân

67
69

4.2.1 Mô hình robot hai chân

69

4.2.2 Chu kỳ bước đi

69

4.2.3 Quỹ đạo tham chiếu của hai bàn chân và hông

71

4.2.4 Phân tích động học ngược robot hai chân

80

4.3 Vận động của robot hai chân dựa trên nguyên lý ZMP

82

4.4 Phân tích quỹ đạo ZMP của bộ tạo mẫu đi bộ

86

4.5 Kết luận

91

Chương 5. KẾT LUẬN VÀ KIẾN NGHỊ

93

5.1 Kết luận

93

5.2 Kiến nghị

95

TÀI LIỆU THAM KHẢO

96

DANH MỤC CÁC CÔNG TRÌNH CÔNG BỐ

113

PHỤ LỤC

115

x


DANH SÁCH CÁC CHỮ VIẾT TẮT
HMP - Humanoid Motion Planning, Optimization, and Gait Generation

CoM - Center of Mass
WPG - Walking Pattern Generator
AENM - Adaptive Evolutionary Neural Model
GA - Genetic Algorithm
ZMP - Zero Momen Point
MDE - Modified Differential Evolution
PSO - Particle Swarm Optimization
WP - Walking Pattern
SSP – Single Support Phase
DSP – Double Support Phase
CPG - Central Pattern Generator
RCGA - Real Coded Genetic Algorithm
RBFNN - Radial Basis Function Neural Network
CMAC - Cerebellar Model Arithmetic Computer
FRL - Fuzzy Reinforcement Learning
DE - Differential Evolution
LMS – Least Mean Square
N-WPG - Nature Walking Pattern Generation
BTD – Bậc Tự Do

xi


DANH SÁCH CÁC HÌNH
Hình 2.1: Hình ảnh mô tả robot hai chân HUBOT-5 với 12 (BTD)

23

Hình 2.2: Mô hình kết cấu robot hai chân HUBOT-5

24

Hình 2.3: Bốn tham số ảnh hưởng đến dáng đi robot hai chân HUBOT-5

26

Hình 2.4: Minh họa 10 quỹ đạo GCoM và ZMP

28

Hình 2.5: Định nghĩa các biến trong công thức (2.4)

31

Hình 2.6: Diện tích vùng chân trụ trong 2 trường hợp

34

Hình 2.7: Phân bố khối lượng và tọa độ của các khâu

36

Hình 2.8: Lưu đồ khối tính quỹ đạo điểm ZMP

38

Hình 2.9: Giá trị trung bình của hàm mục tiêu

42

f

Hình 2.10: Khảo sát ZMP và COM

43

Hình 2.11: Dáng đi 2D của HUBOT-5 có độ nhấc chân khác nhau

44

Hình 2.12: Quỹ đạo ZMP và COM

45

Hình 2.13: HUBOT-5 thực hiện bước đi ổn định với độ nhấc chân Href =2cm

46

Hình 2.14: HUBOT-5 thực hiện bước đi ổn định với độ nhấc chân Href =4cm

46

Hình 2.15: Quỹ đạo 10 góc quay ở 2 chân HUBOT-5 (

Href

=2cm)

47

Hình 2.16: Quỹ đạo 10 góc quay ở 2 chân HUBOT-5 (

Href

=4cm)

47

Hình 2.17: Quỹ đạo sai lệch của 10 góc quay ở 2 chân HUBOT-5( Href =2cm)

48

Hình 2.18: Sai lệch của quỹ đạo 10 góc quay ở 2 chân HUBOT-5( Href =4cm)

48

Hình 3.1: Đề xuất sơ đồ điều khiển sử dụng mô hình AENM

54

xii


Hình 3.2: Đề xuất cấu trúc mô hình AENM
Hình 3.3: Bốn tham số ảnh hưởng đến dáng đi robot hai chân HUBOT-5

55
56

Hình 3.4: Các tham số của vấn đề động học ngược

58

Hình 3.5: So sánh kết quả hội tụ của hàm mục tiêu

62

Hình 3.6: Kết quả so sánh quỹ đạo ZMP của AENM và ZMP mong muốn

62

Hình 3.7: So sánh về góc quay ở 10 khớp của robot hai chân

64

Hình 4.1: Mô hình kết cấu robot hai chân

69

Hình 4.2: Quá trình robot hai chân bước đi tự nhiên có đầy đủ 3 giai đoạn

70

Hình 4.3: Khoảng thời gian trong 1 bước

71

Hình 4.4: Quỹ đạo tham chiếu của P1x

72

Hình 4.5: Quỹ đạo mong muốn của P1z

73

Hình 4.6: Quỹ đạo tham chiếu của P10 x

74

Hình 4.7: Quỹ đạo mong muốn của P10 z

75

Hình 4.8: Quỹ đạo tham chiếu của P5x

77

Hình 4.9: Quỹ đạo tham chiếu của P5 y

78

Hình 4.10: Quỹ đạo mong muốn của P5 z

79

Hình 4.11: Định nghĩa các biến trong công thức (4.18)

81

Hình 4.12: Diện tích vùng chân trụ trong 2 trường hợp

82

Hình 4.13: Phân bố khối lượng và tọa độ của các khâu

84

Hình 4.14: Lưu đồ khối tính quỹ đạo điểm ZMP

85

Hình 4.15: Hình ảnh mô tả robot hai chân HUBOT-4 với 10 (BTD)

86

xiii


Hình 4.16: quỹ đạo ZMP và GCOM của HUBOT-4 khi bước đi tự nhiên
Hình 4.17: Quá trình đi bộ tự nhiên trong mặt phẳng đứng ngang

87
88

Hình 4.18: Quá trình đi bộ trong mặt phẳng đứng dọc

89

Hình 4.19: Quá trình đi bộ trong mặt phẳng XY

90

Hình 4.20: 10 quỹ đạo góc quay ở hai chân của robot khi bước đi tự nhiên

91

xiv


DANH SÁCH BẢNG
Bảng 1.1: Các nguyên tắc điều khiển của bộ cân bằng

14

Bảng 1.2: Tối ưu tham số dáng đi sử dụng thuật toán tiến hóa

17

Bảng 2.1: Giới hạn góc quay

24

Bảng 2.2: Thông số của 10 dáng đi

27

Bảng 2.3: Thông số vật lý của HUBOT-5

39

Bảng 2.4: Giới hạn các tham số dáng đi của HUBOT-5

40

Bảng 2.5: Kết quả khảo sát giá trị tham số của GA

40

Bảng 2.6: Kết quả khảo sát giá trị tham số của PSO

41

Bảng 2.7: Các tham số của thuật toán GA, PSO, MDE

41

Bảng 2.8: Giá trị thông số dáng đi tối ưu và giá trị tốt nhất hàm mục tiêu

42

Bảng 2.9: Bộ tham số tối ưu với từng giải thuật

43

Bảng 2.10: Bộ tham số tối ưu

44

Bảng 3.1: Các tham số của các thuật toán GA, PSO, MDE

61

Bảng 3.2: So sánh kết quả huấn luyện

63

Bảng 3.3: Giá trị trọng số phù họp nhất của mô hình AENM đã đề xuất

65

Bảng 4.1: Thông số vật lý của HUBOT-4

87

Bảng 4.2: Thông số của 6 dáng đi tự nhiên

88

Bảng A.1: Pseudo-code of DE

115

Bảng A.2: Pseudo-code of giải thuật tiến hóa vi sai cải tiến MDE

116

xv

DANH MỤC CÁC KÝ HIỆU
Ký hiệu

Ý nghĩa

di

chiều dài giữa các khớp

mi

khối lượng các khâu
các góc quay ở 2 chân

i

S, H, h, n các tham số dáng đi
Pi x , y , z

,

tọa độ các khớp

pM

xác suất đột biến

pC

xác suất lai ghép

C1

hệ số gia tốc 1

C2

hệ số gia tốc 2

w

trọng số quán tính

Fhệ số đột biến
CR

xác suất lai ghép

H

độ nhấc chân theo ý muốn

xvi


MỞ ĐẦU
Động lực nghiên cứu
Trong những năm gần đây, nhiều nhà khoa học đã cùng tham gia để nghiên cứu giải
quyết nhiều vấn đề liên quan đến robot dạng người và cho ra đời 14 robot dạng người
nổi tiếng [1]: ASIMO tại công ty Honda, Cog tại MIT, HRP-5P tại AIST, HUBO tại KAIST,

Lohnnie và LoLa tại TUM, NAO tại công ty Aldebaran, Atlas Robots tại công ty Boston
Dynamics, QRIO tại công ty Sony, Robonaut tại NASA, T-HR3 tại công ty Toyota,
WABIAN-2R tại đại học Waseda, iCub tại IIT, Robot Sarcos tại công ty Sarcos, ARMARX
tại KIT. Tuy nhiên, việc nghiên cứu về robot dạng người luôn tồn tại những thách thức
rất lớn vì đây là loại robot giống người, để mô tả các động tác cử động giống người
đòi hỏi có nhiều nghiên cứu chuyên sâu.

Thứ nhất là kết cấu cơ khí: Lắp đặt các động cơ và hệ thống cảm biến
phải vừa gọn vừa đảm bảo tính đối xứng, tính thẩm mỹ và giảm tiêu tốn
năng lượng trong di chuyển. Thiết kế phần cơ khí cho robot dạng người
có nhiều bậc tự do và thực hiện các cử động giống con người. Thiết kế
các khớp nối sao cho sự di chuyển trở nên vững vàng và nhuyễn hơn.
Thứ hai là mô hình toán: Để có thể có những cử động giống người thì kết
cấu cơ khí càng nhiều bậc tự do. Nhưng như thế sẽ làm tăng số bậc tự do
và mô hình động lực học lại càng phức tạp; Việc hoạch định di chuyển cho
robot còn nhiều khó khăn để có được dáng đi giống với con người, trong
mô hình toán sẽ tồn tại nhiều điều kiện ràng buộc, việc giải các ràng buộc
này cùng với việc chọn các điều kiện đầu cho bài toán là một thách thức.
Thứ ba là điều khiển: Trọng tâm của robot trong quá trình di chuyển luôn có khuynh
hướng lệch ra khỏi vùng ổn định cân bằng cùng với hiện tượng kẹt cứng ở các cổ chân
(hiệu chỉnh ZMP với hạn chế góc quay ở khớp cổ chân) làm cho vấn đề điều khiển trở
nên cực kỳ khó khăn. Điều khiển robot mô phỏng người

1


còn có khó khăn khác là hệ thống phi tuyến nhiều bậc tự do: Trước tiên các
thông số không chắc chắn của hệ thống và tín hiệu nhiễu ảnh hưởng rất lớn
đến hoạt động điều khiển. Tiếp theo là, sự di chuyển của robot mô phỏng
người trong pha hai chân chạm đất có thể được miêu tả như là sự chuyển

động của một hệ thống động lực học dưới ràng buộc holonomic (đa hướng)
làm cho việc điều khiển phức tạp hơn. Cuối cùng mục đích chính của điều
khiển một robot mô phỏng người là duy trì sự ổn định động lực học (ổn
định ZMP online) trong bước chân, và là một vấn đề quan trọng cần được
nghiên cứu kỹ trong hoạch định di chuyển của robot mô phỏng người.
Tại Việt Nam, có những công trình nghiên cứu robot dạng người như sau. Dự
án nghiên cứu robot hai chân mô phỏng người đang thực hiện tại Phòng Thí
Nghiệm Trọng Điểm Quốc Gia Điều Khiển Số và Kỹ Thuật Hệ Thống (DCSELAB)
với các phiên bản: HUBOT-2, HUBOT-3 [2]. Robot hai chân HUTECH-1 của trường
đại học HUTECH [149]. Robot dạng người UXA 90-Light của trung tâm nghiên cứu
thiết bị và công nghệ cơ khí bách khoa [150]. Dự án VIEbot của Viện nghiên cứu
Điện tử, Tin học, Tự động hóa, Bộ công thương (VIELINA) [151].
Như vậy, những công trình nghiên cứu robot dạng người tại Việt Nam còn rất
hạn chế. Với mong muốn chế tạo một robot dạng người đầu tiên của Việt Nam có
khả năng bước đi giống người và góp phần vào dự án nghiên cứu robot hai chân
mô phỏng người đang thực hiện tại Phòng Thí Nghiệm Trọng Điểm Quốc Gia Điều
Khiển Số và Kỹ Thuật Hệ Thống (DCSELAB), chính là động lực nghiên cứu.

Mục tiêu nghiên cứu
Hoạch định, tối ưu hóa và tạo dáng đi cho robot dạng người là nhằm làm
cho robot đi được một cách tự nhiên và ổn định như con người. Hiện nay
vẫn là bài toán khó do kỹ thuật hiện tại chưa tiếp cận được các đối tượng
sinh học vô cùng phức tạp về kết cấu và tinh vi trong hoạt động.

2


Luận án này tiếp tục tập trung nghiên cứu và đề xuất những giải pháp mới về hoạch
định, tối ưu hóa và tạo dáng đi cho robot hai chân kích thước nhỏ có khả năng bước
đi thẳng được một cách tự nhiên và ổn định như con người trên địa hình bằng phẵng.

Từ quan điểm toán học, hoạch định, tối ưu hóa và tạo dáng đi của robot dạng
người trở thành vấn đề tối ưu có ràng buộc và phù hợp với các kỹ thuật tính toán
tối ưu. Trong luận án này, tác giả thực hiện nghiên cứu và phát triển bộ tạo dáng đi
(Walking Pattern Generator - WPG) phụ thuộc 4 thông số của Dip (chiều dài bước S, độ nhấc chân - H, độ khuỵu gối - h và độ lắc hông - n) kết hợp các phương pháp
tối ưu hóa ngẫu nhiên (meta-heuristic optimization approaches) và mô hình mạng
nơ-rôn tiến hóa thích nghi (Adaptive Evolutionary Neural Model - AENM) để robot
hai chân có thể bước đi ổn định và tự nhiên như con người.

Phương pháp nghiên cứu
Phương pháp nghiên cứu được áp dụng để thực hiện luận án là phân tích lý thuyết,
mô phỏng trên máy tính và kiểm chứng điều khiển trên mô hình thực nghiệm.
Phân tích lý thuyết: nghiên cứu các lý thuyết liên quan đến nội dung luận án đã
công bố trên các tạp chí, hội nghị khoa học chuyên ngành. Trên cơ sở đó đề
xuất bộ tạo dáng (WPG) phụ thuộc 4 thông số (S, H, h, n) để robot hai chân thực
hiện bước đi thẳng trên bề mặt bằng phẳng với 3 trường hợp: không ngã với
độ nhấc chân cài đặt trước sử dụng thuật toán tiến hóa vi sai cải tiến (MDEModified Differential Evolution); không ngã với quỹ đạo ZMP (Zero Moment
Point) được thiết kế trước sử dụng mô hình mạng nơ-rôn tiến hóa thích nghi
(Adaptive Evolutionary Neural Model - AENM) được tối ưu bởi thuật toán MDE;
với dáng đi tự nhiên đầy đủ 3 giai đoạn (chuẩn bị, bước, kết thúc).

Mô phỏng trên máy tính: Lập trình mô phỏng mô hình đề xuất
nghiên cứu trên, cho robot hai chân (kích thước nhỏ). Trên cơ sở
các kết quả mô phỏng rút ra các kết luận về mô hình đề xuất.
3


Ứng dụng thực nghiệm: Triển khai thực nghiệm mô hình đề xuất trên,
cho robot hai chân (kích thước nhỏ), phân tích kết quả, rút ra nhận xét.

Kết quả nghiên cứu
Các kết quả nghiên cứu đạt được của luận án, được tóm tắt như sau:
Dip đã đề xuất bộ tạo dáng (WPG) phụ thuộc 4 thông số (S, H, h, n) và thực
hiện tối ưu 4 thông số của bộ tạo dáng (WPG) để robot hai chân (kích thước
nhỏ) bước đi ổn định với vận tốc nhanh nhất có thể sử dụng thuật toán di
truyền (Genetic Algorithm - GA). Tuy nhiên, để bắt chước dáng đi của con
người thì robot hai chân phải kiểm soát được độ nhấc chân. Vì vậy, tác giả
tiếp tục thực hiện tối ưu 4 thông số dáng đi (S, H, h, n) của bộ tạo dáng
(WPG) để robot hai chân bước đi ổn định với độ nhấc chân mong muốn sử
dụng các phương pháp tối ưu hóa ngẫu nhiên (meta-heuristic optimization
approaches): GA, PSO, MDE. Kết quả mô phỏng và thực nghiệm trên mô
hình robot hai chân kích thước nhỏ HUBOT-5 chứng minh đề xuất của luận
án là khả thi. Kết quả của nghiên cứu này được trình bày ở bài báo [2], [4]
và [7], trong danh mục công trình công bố của tác giả.
Trong quá trình robot hai chân bước đi thì 4 thông số của bộ tạo dáng
(WPG) của Dip là không đổi. Điều này làm cho robot hai chân khó thực hiện
bước đi ổn định và tự nhiên với 1 quỹ đạo ZMP (Zero Momen Point) mong
muốn. Để vượt qua khó khăn này, tác giả thực hiện nhận dạng và điều khiển
4 thông số của bộ tạo dáng (WPG) này sử dụng mô hình mạng nơ-rôn tiến
hóa thích nghi (Adaptive Evolutionary Neural Model - AENM) được tối ưu
bởi thuật toán (Modified Differential Evolution – MDE). Kết quả mô phỏng
trên mô hình robot hai chân kích thước nhỏ HUBOT-5 chứng minh đề xuất
của luận án là khả thi. Kết quả của nghiên cứu này được trình bày ở bài báo
[3], trong danh mục công trình công bố của tác giả.

4


Bộ tạo dáng (WPG) phụ thuộc 4 thông số (S, H, h, n) của Dip được đề
xuất chỉ áp dụng cho robot hai chân trong giai đoạn bước đi và thiếu giai

đoạn chuẩn bị và giai đoạn kết thúc. Để bổ sung, tác giả tiếp tục hoàn
thiện bộ tạo dáng đi (WPG) của Dip với đầy đủ 3 giai đoạn như mong
muốn với tên gọi là bộ tạo mẫu đi bộ tự nhiên (N-WPG). Kết quả mô
phỏng trên mô hình robot hai chân kích thước nhỏ HUBOT-4 chứng minh
đề xuất của luận án là khả thi. Kết quả của nghiên cứu này được trình
bày ở bài báo [1] và [6], trong danh mục công trình công bố của tác giả.

Bố cục của luận án
Chương 1: Nghiên cứu tổng quan. Nội dung chương này trình bày tóm tắt các kết quả
đã có trong thiết kế và chế tạo robot dạng người, đặc biệt ở các nước đang dẫn đầu
trong lĩnh vực này như Nhật, Đức, Mỹ, Hàn Quốc. Sau đó là phần tổng quan trình bày
các phương pháp xây dựng quỹ đạo bước đi và dáng đi cho robot hai chân. Cuối cùng
trình bày mục tiêu nghiên cứu trọng tâm của luận án.

Chương 2: Tối ưu hóa dáng đi cho robot hai chân kích thước nhỏ bước đi ổn
định với độ nhấc chân mong muốn sử dụng thuật toán tiến hóa vi sai cải tiến
(MDE). Chương này đề xuất phương pháp mới tối ưu hóa một số thông số dáng
đi cho robot hai chân cho phép bước đi ổn định với độ nhấc chân được cài đặt
trước. Thuật toán tiến hóa vi sai cải tiến (MDE-Modified Differential Evolution)
được sử dụng để tối ưu các thông số dáng đi giúp robot hai chân bước đi ổn
định. Hiệu quả của phương pháp đề xuất được so sánh với kỹ thuật tối ưu dáng
đi dùng thuật toán di truyền (GA-Genetic Algorithm) và thuật toán bầy đàn
(PSO-Particle Swarm Optimization). Kết quả mô phỏng và thực nghiệm trên
robot hai chân kích thước nhỏ (HUBOT-5) chứng tỏ thuật toán đề xuất bảo đảm
dáng đi ổn định cho robot hai chân với độ nhấc chân chính xác.

5


Chương 3: Tạo dáng đi thích nghi cho robot hai chân bước đi ổn định sử

dụng mô hình mạng nơ-rôn tiến hóa thích nghi (AENM) được tối ưu bởi
thuật toán tiến hóa vi sai cải tiến (MDE). Chương này giới thiệu một hướng
mới để tạo dáng thích nghi robot hai chân với mục tiêu bước đi ổn định và
tự nhiên trên bề mặt bằng phẳng. Đề xuất áp dụng thuật toán tiến hóa vi sai
cải tiến (MDE – Modified Differential Evolution) tối ưu bộ trọng số của mô
hình mạng nơ-rôn tiến hóa thích nghi (AENM – Adaptive Evolutionary Neural
Model) để nhận dạng các thông số dáng đi của bộ tạo dáng (WPG – Walking
Pattern Generator) giúp robot hai chân bám theo quỹ đạo ZMP (Zero Moment
Point) mong muốn. Hiệu quả của đề xuất MDE được so sánh với thuật toán
PSO (Particle Swarm Optimisation) và GA (Genetic Algorithm). Phương pháp
đề xuất được kiểm chứng trên mẫu thử robot hai chân kích thước nhỏ
HUBOT-5. Kết quả nhận dạng chứng minh rằng phương pháp đề xuất (MDEAENM) hiệu quả trong việc tạo dáng đi bền vững và chính xác.
Chương 4: Hoạch định dáng đi tự nhiên cho robot hai chân. Chương này
giới thiệu hướng tiếp cận mới cho phép phát ra quỹ đạo bước đi tự nhiên
ổn định áp dụng cho robot hai chân kích thước nhỏ. Các thông số chính
được chọn thể hiện các ràng buộc từ tọa độ mong muốn của bàn chân, đầu
gối và hông tuân thủ nguyên lý ổn định ZMP. Từ đó quỹ đạo ổn định hoàn
chỉnh của bàn chân, đầu gối và hông được hình thành. Dựa trên bộ thông
số chủ chốt này, dùng phép biến đổi động học ngược của robot hai chân,
các kiểu quỹ đạo bước đi tự nhiên ổn định khác nhau sẽ được xây dựng,
qua đó cho phép điều khiển robot hai chân kích thước nhỏ bước đi tự nhiên
ổn định thỏa mãn nguyên lý ổn định ZMP thể hiện qua góc quay đồng bộ
phù hợp cho từng khớp. Các kết quả mô phỏng được thực hiện khẳng định
tính khả thi và hiệu quả của phương pháp hoạch định được đề xuất.

6